The DH-AP-MUSE protocol: fast MUSE with Access Pattern Leakage

Após a definição dos critérios do modelo, é possível avaliar localmente o desempenho das ações potenciais. Porém, em algumas situações, o decisor deseja agregar estas informações locais de modo a obter uma avaliação global. Com base no modelo multicritério, utilizado neste trabalho, para que seja possível esta agregação, é necessário um conjunto de parâmetros associados aos critérios: suas taxas de compensação.

Ensslin (2001, p.217) apresenta as taxas de compensação como sendo parâmetros que o decisor julgou adequado para agregar de forma compensatória, desempenhos locais (critérios) em um desempenho global. Desta forma, as taxas de compensação de um modelo multicritério são, numa abordagem construtivista, ferramentas que permitem aos decisor negociar suas opiniões, bem como definir, explicitamente, a forma de agregar desempenhos locais.

As taxas de compensação, muitas vezes, são confundidas como indicadores de importância relativa entre os critérios (BEINAT, 1995). Esta interpretação não é adequada no tipo de modelo multicritério utilizado neste trabalho. Ao invés disso, as taxas de compensação servem para converter valores locais em valores globais, levando em conta as compensações atribuídas pelos decisor (ROY, 1996).

A literatura apresenta vários métodos para determinar as taxas de compensação (para maiores detalhes ver, dentre outros, BEINAT, 1995), por exemplo: Trade-off, Swing Weights e Comparação par-a-par. É no conceito de compensação que estes métodos estão baseados.

Ensslin (2001, p.220-227) que o método Trade-off consiste em comparar duas ações fictícias, com desempenhos diferentes em apenas dois critérios, e com desempenho idêntico aos demais. Nestes dois critérios, uma ação possui o nível de impacto Bom no primeiro critério e Neutro no segundo, enquanto uma segunda ação possui o nível Neutro no primeiro critério e Bom no segundo. Escolhendo qual das duas ações é a preferida, os decisor decidem qual critério é o preferível. O fator crítico deste método é ajustar o nível de impacto de uma das ações em um dos critérios, de maneira que duas ações sejam consideradas indiferentes pelos decisor. Todavia, a principal vantagem é a sua robustez matemática, em que as taxas de compensação são obtidas através da compensação explícita, feita pelos decisor, sobre perdas e ganhos de desempenho nos critérios. Além disso, não exige julgamentos numéricos por parte dos decisor.

Já o método Swing Weights (VON WINTERFELDT; EDWARDS, 1996; GOODWIN; WRIGHT, 1991; BEINAT, 1995) inicia-se a partir de uma ação fictícia com desempenho no nível de impacto Neutro em todos os critérios do modelo. Oferece aos decisor a oportunidade de escolher um critério onde o desempenho da ação fictícia melhora para o nível de impacto Bom. A este “salto” (swing)

111 escolhido, atribui-se 100 pontos. No restante dos critérios é feito o mesmo questionamento, obtendo o critério onde os decisor desejam que se realize o segundo salto. O mesmo procedimento é feito até que eles definam a ordem de todas as passagens de nível Neutro para o Bom. A magnitude de todos os saltos é medida em relação ao primeiro salto. Estes valores devem ser reescalonados de maneira a variarem entre 0 e 1, fornecendo, desta forma, as taxas de compensação. O ponto crítico deste método é que a forma de questionamento para a obtenção dos valores dos pulos é relativamente abstrata. Porém, a maior vantagem é a rapidez e a simplicidade do procedimento, inclusive sem a necessidade de pré-ordenar preferencialmente os critérios.

Finalmente, o método Comparação Par-a-Par é semelhante aquele utilizado para determinar as funções de valor via julgamento semântico. Um dos métodos que adotam esta lógica para determinar as taxas de compensação é o MACBETH (BANA e COSTA; VANSNICK, 1995). O procedimento adotado por este método consiste em comparar par-a-par ações fictícias com desempenhos diferentes em apenas dois critérios, e com desempenho idêntico nos demais. Nestes dois critérios, uma ação possui o nível de impacto Bom no primeiro critério e o Neutro no segundo, enquanto que uma segunda ação possuiria o nível Neutro no primeiro critério e o Bom no segundo. Tal procedimento é feito com todos os pares de critério do modelo. Em uma primeira etapa, esta comparação objetiva á ordenação preferencial dos critérios, tarefa que pode ser auxiliada pela Matriz de Ordenação (ROBERTS, 1979). Em uma segunda etapa, os decisor definem qualitativamente (através de categorias semânticas) a intensidade de preferências entre os pares de ações fictícias. O software MACBETH utiliza estes julgamentos semânticos para calcular, através de modelos de Programação Linear, as taxas de compensação que melhor representem numericamente tais julgamentos. O ponto crítico desse método é que o MACBETH não consegue fornecer taxas de compensação que atendam aos julgamentos qualitativos do decisor. Em contrapartida, a principal vantagem é a de não exigir que as preferências dos decisor sejam expressas de forma numérica, permitindo uma interação com o decisor mais natural e fácil.

As taxas de compensação, embora sejam fundamentais em modelos multicritério que utilizam a abordagem do critério único de síntese (ver detalhes em Lima, 2003), são parâmetros de difícil obtenção na prática (BOUYSSOU,

1986). Isto acontece porque procedimentos rigorosos para defini-las exigem um grande esforço de abstração por parte dos decisor. Além disso, a noção de uma compensação mensurável entre fatores é artificial ao ser humano. Portanto, o facilitador deve se assegurar que os decisor estão compreendendo a lógica de questionamento e a noção de compensação (e não a importância relativa) entre os critérios.

Ainda a esse respeito, Lima (2003, p.235) apresenta que a determinação das taxas de compensação pode ser realizada utilizando-se qualquer um dos métodos existentes na literatura. A escolha de qual procedimento empregar é uma escolha do facilitador, em função das vantagens e desvantagens de cada um em cada contexto.

Ao iniciar a identificação das taxas de compensação do modelo multicritério de avaliação, sugere-se que o leitor acompanhe cada etapa através da árvore de pontos de vista fundamentais com os respectivos pontos de vista elementares (ver Figura 32). Ás árvores de valor comumente são compostas de diversos níveis hierárquicos. Neste caso, as taxas de compensação, devem ser obtidas, de preferência, de baixo para cima, isto é, partindo dos níveis hierárquicos inferiores até os superiores. Procedendo desta forma, consegue-se captar melhor a noção de compensação entre os critérios, conforme procedimentos efetuados abaixo.

O PVF 1 – Marketing é explicado através do PVE 1.1- Comunicação, do PVE 1.2 – Promoção e do PVE 1.3 Novos Nichos. O decisor com a ajuda da facilitadora utilizou o método swing weights para selecionar aquele PVE com maior taxa de compensação, conforme ilustra a Figura 32 a seguir.

FIGURA 32 –-TAXAS DE COMPENSAÇÃO DO PVF 1 – MARKETING.

O processo que a Figura 32 apresenta foi realizado para todos os PVFs e seus respectivos PVEs. Ressalta-se que neste estudo de caso, o decisor sentiu-

113 se bastante seguro com relação aos PVEs que explicavam os PVFs do modelo e assim, seguiu-se para a etapa seguinte.

Uma vez concluída a identificação daqueles PVEs que melhor explicavam os PVFs, atingi-se o estágio do processo de apoio á decisão que permite avaliar as ações localmente sobre cada ponto de vista fundamental em estudo.

Adotou-se aqui como procedimento para a obtenção das taxas de compensação efetuado no primeiro momento a matriz de ordenamento (ROBERTS, 1979), capaz de oferecer uma visualização da preferência resultante da comparação par-a-par entre aqueles aspectos considerados fundamentais para a avaliação da empresa. É importante ressaltar que os PVFs, participantes da matriz de ordenação, estão representados pelos PVEs que melhor explicam aqueles aspectos considerados fundamentais para o decisor, conforme ilustra a Quadro 7:

QUADRO 7 - MATRIZ DE ORDENAÇÃO DOS PVFS

Fonte: Roberts (1979, p.103)

Enfim, cabe agora a construção da matriz de juízos de valor para determinação das taxas de compensação dos PVFs. O software MACBETH, a partir desta matriz, gerou a escala cardinal que através do procedimento de transformação linear veio determinar as taxas de compensação entre os PVFs, conforme ilustra a Figura 33:

FIGURA 33 – SOFTWARE MACBETH PARA DETERMINAÇÃO DA TAXA DE COMPENSAÇÃO Com o objetivo de facilitar a compreensão do leitor, foram transportados para a matriz abaixo os julgamentos de valor do decisor referente a cada ponto de vista fundamental. As duas últimas colunas á direita apresentam a escala MACBETH e as taxas de compensação respectivamente, gerada pelo software, como mostra o Quadro 8:

QUADRO 8 - MATRIZ DE JUÍZO DE VALOR PARA DETERMINAÇÃO DAS TAXAS DE COMPENSAÇÃO

Finalmente, através da árvore de valor podem ser visualizadas as taxas de compensação dos clusters (áreas de interesse), conforme mostra a Figura 34:

115

FIGURA 34 – TAXAS DE COMPENSAÇÃO NA ÁRVORE DE VALOR.

Cabe ressaltar que, assim como no caso das funções de valor, qualquer um dos métodos apresentados pode ser utilizado para obter as taxas de compensação. A escolha fica a critério do decisor. Neste caso, a identificação se deu através do método swing weights.

Tendo sido finalizada essa etapa, deve ser dito que a adoção de um paradigma construtivista implica assumir que, embora as taxas de compensação sejam determinadas junto ao decisor, estes parâmetros não existem naturalmente em suas mentes. Lima (2003, p.253) apresenta que tais taxas são meros instrumentos usados para agregar desempenhos locais, em cada um dos critérios, em um desempenho global. Segundo uma lógica de compensação.

Já tendo definido como avaliar localmente as alternativas, via taxa de construção de critérios, e como agregar estas informações locais numa única dimensão, via taxa de compensação, o modelo multicritério está concluído. E assim, pode-se começar a utiliza-lo para avaliar as ações potenciais disponíveis, gerar e identificar oportunidades de aperfeiçoamento. E esta será a próxima etapa a ser apresentada.